【python VS vba】(8) 在python使用matplotlib库来画图

import numpy as np
import matplotlib.pyplot as plt

fig1=plt.figure("名字",figsize=None,dpi=None,facecolor="gray", edgecolor="white", frameon=True)

x=np.linspace(-5,5, 10)
y=x*2+1
y2=x**2

# 绘图
plt.plot(x, y)
plt.plot(x, y2)

# 显示图像
plt.show()

fig1=plt.figure("名字",figsize=None,dpi=None,facecolor="gray", edgecolor="white", frameon=Fales)
如果设置 frameon=Fales，则facecolor的颜色也没有效果

1.3? 设置函数图形

设置函数的关键：

函数就是形如 y=f(x)的样式，但是函数的作图需要具体的数据。

1 自变量：需要一组自变量的数，方便作图。如果只是纯粹的函数形式当然抽象的X就够了。
2 因变量：y=f(x)? 函数的表达式即可，因为因变量可计算出来

自变量：x=np.linspace(-5,5, 10)
因变量：y=x*2+1

1.4 绘图? plt.plot()

1.4.1 plt.plot()的语法

plt.plot(x, y)
plt.plot(x对应自变量：一般对应X轴, y对应因变量：一般对应y轴)
plt.plot(x, y, linestyle, linewidth,color,marker, markersize, markeredgecolor, markerfactcolor, label, alpha)

x：指定折线图的x轴数据；
y：指定折线图的y轴数据；
linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认实线；
linewidth：指定折线的宽度
marker：可以为折线图添加点，该参数是设置点的形状；
markersize：设置点的大小；
markeredgecolor：设置点的边框色：颜色 "b" , "blue" ,或RGB方式"#ff0000"
markerfacecolor：设置点的填充色：颜色 "b" , "blue" ,或RGB方式"#ff0000"
label："字符串" ，为折线图添加标签，类似于图例的作用；

1.4.2 测试 plt.plot 代码

import numpy as np
import matplotlib.pyplot as plt

plt.plot(x,
         np.cos(x),
         color = 'r',            # 线条颜色
         linewidth = 2,          # 线条宽度 
         linestyle='-.',          # 线的类型:虚线:'--',点线：'-.',短虚线':',实线：'-'
         marker='*',             # 线上点的形状
         markersize = 5,        # 点的大小
         markeredgecolor = 'b',  # 点的边框颜色
         markerfacecolor ='green',   # 点的背景颜色，可能因为点太小没显示出来？
         label = 'cos',          # 图例
         alpha = 1 )             # 透明度：0-1之间 ,默认1
 
plt.legend(fontsize = 15)        # 显示图例
plt.show()

1.5 显示图像

# 显示图像
matplotlib作图，要显示图像，必须调用plt.show(), 否则不显示
plt.show()

2 用matplotlib 画函数图形

2.1 在一个画布里画多个图形

（1张画布，1个坐标轴系，多个图形叠在一起）

import numpy as np
import matplotlib.pyplot as plt

fig1=plt.figure(num=1)

x=np.linspace(-5,5, 10)
y=x*2+1
y2=x**2

# 绘图
plt.plot(x, y)
plt.plot(x, y2)

# 显示图像
plt.show()

2.2 在多个画布里，分别画1个图形

（多张画布，多个坐标轴系，分别包含1个图形）

import numpy as np
import matplotlib.pyplot as plt

x=np.linspace(-5,5, 10)

fig1=plt.figure(num=1,figsize=(3,3))
y=x*2+1
# 绘图
plt.plot(x, y)

#新开一个画布
fig2=plt.figure(num=2,figsize=(5, 5))
y2=x**2
# 绘图
plt.plot(x, y2)

# 显示图像
plt.show()

2.3? 一个画布里作图多个子图，且按表格排列好

（多张画布，多个坐标轴系，分别包含1个图形，且按内部序号排列）

2.3.1 用`plt.subplot()`方式绘制多子图

plt.subplot()方式绘制多子图，只需要传入简单几个参数即可：
plt.subplot(rows, columns, current_subplot_index)
形如plt.subplot(2, 2, 1)，其中：

rows表示最终子图的行数;
columns表示最终子图的列数;
current_subplot_index表示当前子图的索引;
这几个参数是可以连写在一起的，同样可以被识别
例如：上面的plt.subplot(2, 2, 1)，写成plt.subplot(221)，两者是等价的。

import numpy as np
import matplotlib.pyplot as plt

# 子图1,散点图
plt.subplot(2, 2, 1)
plt.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

# 子图2，折线图+网格
plt.subplot(2, 2, 2)
plt.plot(np.linspace(-2, 2, 5), np.random.randn(5))
plt.grid(True)

# 子图3，柱状图
plt.subplot(2, 2, 3)
x = np.linspace(0, 5, 5)
plt.bar(x, np.random.random(5))
plt.xticks(np.arange(0, 6))

# 子图4，饼图
plt.subplot(2, 2, 4)
plt.pie(np.random.random(5), labels=list("ABCDE"))

plt.show()

3? 关于坐标轴的各种设置

坐标轴描述
坐标轴范围设置
坐标轴刻度
挪动坐标轴

3.1 坐标轴的描述

plt.xlabel("X axis")
plt.ylabel("Y axis")

3.2 坐标轴范围设置

plt.xlim((-10,10))
plt.ylim((-10,10))

3.3 坐标轴的刻度设置

# 设置坐标轴刻度
plt.xticks([-4, -2, 0, 2, 4])
plt.yticks(np.linspace(-10, 10, 10))

# 这样可以清除刻度
plt.xticks()
plt.yticks()

import numpy as np
import matplotlib.pyplot as plt

fig1=plt.figure(num=1)

x=np.linspace(-5,5, 10)
y=x*2+1
y2=x**2

# 设置坐标轴描述
plt.xlabel("X axis")
plt.ylabel("Y axis")

# 设置坐标轴范围
plt.xlim((-10,10))
plt.ylim((-10,10))

# 设置坐标轴刻度
plt.xticks([-4, -2, 0, 2, 4])
plt.yticks(np.linspace(-10, 10, 10))
# 这样可以清除刻度 plt.xticks()
# 这样可以清除刻度 plt.yticks()

# 绘图
plt.plot(x, y)
plt.plot(x, y2)

# 显示图像
plt.show()

4 图像的其他设置

4.1 设置画布的图形标题

plt.title("here is title")
一般在 figure的正中间的正上方

4.2 图片的图例

4.2.1 用plt.legend() 可设置多个曲线的图例，且默认展示在一起。

# 显示图例
plt.legend()
plt.legend(labels=[xx_label, x_label])

4.2.2?plt.plot(lable=""）也可以设置单个plot 曲线的label，和图例效果差不多

plt.plot(x, y, linestyle, linewidth,color,marker, markersize, markeredgecolor, markerfactcolor, label, alpha)
见下图

4.3 是否显示网格

plt.grid(True)? ? ?# 显示网格
plt.grid(False)? ? # 隐藏网格

5 边界spines 和移动坐标轴

5.1 先获取坐标轴

# 获取坐标轴，gca就是get current axes的意思
ax = plt.gca()

5.2 图片的4边，都是spine

图片的4边，都是spine
可以通过plt.gca().spines 分别操作这4个spine

ax.spines["top"]
ax.spines["bottom"]
ax.spines["right"]?
ax.spines["left"]

5.3 比如隐藏右边、上边的spine

# 隐藏右边、上边的spine
ax.spines["right"].set_color("none")
ax.spines["top"].set_color("none")

5.4 移动两个spine到0,0 点，达到把坐标轴移动的目的

# 移动两个spine到0,0，达到把坐标轴移动的目的
ax.spines["bottom"].set_position(("data", 0))
ax.spines["left"].set_position(("data", 0))

5.5 移动坐标轴的代码（可看出图形移动到坐标轴的中间了）

5.5.1 移动效果看下面的图

一般默认在第一象限
图形移动到坐标轴的中间了

5.5.2 移动坐标轴前后对比的测试代码

import numpy as np
import matplotlib.pyplot as plt


#原始的
figure = plt.figure(num=99)
# x,y
x = np.linspace(-4, 4, 50)
y = x ** 2 - 4
xx_label = r"y = x ^ 2 - 4"
x_label = r"y = x"
plt.title("here is title")

# 绘图
plt.plot(x, y, color="#ff0000",label="xxx")
# 显示图例
plt.legend()
plt.plot(x, x)
# 显示网格
plt.grid(True)
# 显示图例
plt.legend(labels=[xx_label, x_label])





# 移动坐标轴的第2个图
figure = plt.figure(num=100)

# x,y
x = np.linspace(-4, 4, 50)
y = x ** 2 - 4

# 获取到坐标轴
ax = plt.gca()

# 隐藏右边、上边的spine
ax.spines["right"].set_color("none")
ax.spines["top"].set_color("none")

# 移动两个spine到0,0，达到把坐标轴移动的目的
ax.spines["bottom"].set_position(("data", 0))
ax.spines["left"].set_position(("data", 0))

xx_label = r"y = x ^ 2 - 4"
x_label = r"y = x"
plt.title("here is title")

# 绘图
plt.plot(x, y, color="#ff0000",label="xxx")

# 显示图例
plt.legend()

plt.plot(x, x)

# 显示网格
plt.grid(True)

# 显示图例
plt.legend(labels=[xx_label, x_label])

plt.show()

图片上有容易让人误导的地方
比如y=x 并不是45°直线，是因为格子grid不是正方形，是长方形压扁的缘故，请注意

5.6 一个警告，不是报错

?运行代码时可能会出现如下警告：No artists with labels found to put in legend. Note that artists whose label

5.6.1 警告出现的可能原因1

#plt.plot() 相关代码中缺乏label名称的说明

plt.plot(x, y, color="#ff0000")
plt.plot(x, y, color="#ff0000",label="xxx")? ?#没有这个就会警告 label="xxx"

5.6.2 警告出现的可能原因2

#legend相关代码中缺乏label名称的说明，需要给予图例对应的名字

# 显示图例
plt.legend()
plt.legend(labels=[xx_label, x_label])?# 调整后不报错并显示图例

6 比如? 散点图 sactter

import numpy as np
import matplotlib.pyplot as plt

# 散点图
# x, y
x = np.random.normal(0, 1, 20)
y = np.random.normal(0, 1, 20)

# 绘制散点图
plt.scatter(x, y, s=25, alpha=0.75)

plt.xlabel("X")
plt.ylabel("Y")

# 显示图像
plt.show()

7 直方图

import numpy as np
import matplotlib.pyplot as plt


# 直方图

# x, y
size = 12
x = np.arange(size)
y = np.random.uniform(0, 1, size) * 10

# 直方图
plt.bar(x, y, edgecolor="white")
plt.bar(x, -y, facecolor="#999999", edgecolor="white")

# 设置坐标
plt.xticks(x)
plt.yticks(np.linspace(-12, 12, 13))

# 显示数值
for (X, Y) in zip(x, y):
    plt.text(x=X, y=Y+0.2, s="%.1f" % Y, ha="center")
    print(X, Y)

# 显示图像
plt.show()

文章来源:https://blog.csdn.net/xuemanqianshan/article/details/134965107
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！